面向社交机器人导航的上下文感知Mamba强化学习
机器人学
2024-10-21 v2 系统与控制
系统与控制
摘要
社交机器人导航（SRN）是一个涉及在行人密集环境中以社交可接受方式进行导航的相关问题。它是使社交机器人在行人密集环境中有效运行的关键组成部分。此类机器人的应用场景包括伴侣机器人、仓储机器人到自动轮椅。近年来，深度强化学习越来越多地被用于社交机器人导航研究。我们的工作提出了CAMRL（上下文感知Mamba强化学习）。Mamba是一种新的基于深度学习的状态空间模型（SSM），在序列任务中取得了与Transformer相当的结果。CAMRL使用Mamba来确定机器人的下一步动作，该动作最大化神经网络预测的下一状态的价值，从而使机器人能够根据分配的奖励有效导航。我们将CAMRL与现有方法（CADRL、LSTM-RL、SARL）在基于ORCA和SFM构建的包含多种密度和环境行为的严格测试数据集上进行了评估，结果表明CAMRL实现了更高的成功率、最小化了碰撞并保持了更安全的行人距离。本工作提出了一种新的SRN规划器，展示了深度状态空间模型在机器人导航中的潜力。
引用
@article{arxiv.2408.02661,
title = {Context-aware Mamba-based Reinforcement Learning for social robot navigation},
author = {Syed Muhammad Mustafa and Omema Rizvi and Zain Ahmed Usmani and Abdul Basit Memon and Muhammad Mobeen Movania},
journal= {arXiv preprint arXiv:2408.02661},
year = {2024}
}